高频视角下股市波动预测的新方法:HARFIMA模型北大核心CSCDCSSCI

异质自回归(heterogeneous autoregressive,HAR)及其拓展模型(统称为HAR-类模型)能够刻画不同类型(期限)交易者的异质性对金融市场未来价格波动的“贡献”程度,在实证研究中备受推崇,并在预测金融市场波动率中取得了较好的效果.研究发现,HAR-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征,但刻画能力明显比自回归分整移动平均(ARFIMA)模型差.HAR-类模型的主要优势在于对异质性的刻画,而ARFIMA模型的主要优势在于对长记忆性的准确刻画.因此,基于这两个模型各自的优势提出了新的模型:异质自回归分整移动平均(HARFIMA)模型,并对新模型进行了拓展建模,提出HARFIMA-类模型.将HARFIMA-类模型运用于对标普500和上证综指的已实现波动率(RV)的建模和预测发现,HARFIMA-类模型能够更加准确地刻画金融市场的长记忆性,更重要的是样本外的预测能力明显优于其他模型,并且预测结果相当稳健.     

基于 LHAR-RV-V 模型的中国股市波动性研究

在已实现波动率异质自回归模型( HAR-RV 模型) 的基础上,基于市场微观结构的理论,同时考虑市场波动的杠杆效应和量价关系,构造了已实现波动率及交易量之长记忆异质自回归模型( LHAR-RV-V 模型)．利用该模型对沪深 300 指数的等时 1min 高频数据进行实证分析,实证结果表明该模型能够较好地捕捉到我国股票市场波动的长记忆性和杠杆效应,且杠杆效应具有一定的持续性．此外,过去不同周期交易量的加入不仅能够更为细微的反映量价之间的关系,而且在一定程度上改善了模型的预测能力．     

基于LHAR-RV-V模型的中国股市波动性研究

在已实现波动率异质自回归模型(HAR-RV模型)的基础上,基于市场微观结构的理论,同时考虑市场波动的杠杆效应和量价关系,构造了已实现波动率及交易量之长记忆异质自回归模型(LHAR-RV-V模型).利用该模型对沪深300指数的等时1min高频数据进行实证分析,实证结果表明该模型能够较好地捕捉到我国股票市场波动的长记忆性和杠杆效应,且杠杆效应具有一定的持续性.此外,过去不同周期交易量的加入不仅能够更为细微的反映量价之间的关系,而且在一定程度上改善了模型的预测能力.     

双因子随机条件极差模型及其实证研究

对波动率的建模和估计传统上主要基于由收盘价计算得到的收益率信息,而基于包含更多日内价格变动信息的价格极差对波动率的研究却相对较少.对经典的针对价格极差动态性建模的条件自回归极差(CARR)模型进行扩展,借鉴随机波动率(SV)模型的建模思路,同时考虑波动率的长记忆特征,引入Gamma分布刻画价格极差新息的分布,构建了双因子随机条件极差(2FSCR)模型来描述价格极差的动态性.进一步,基于连续粒子滤波算法,给出了2FSCR模型参数的极大似然估计方法,并通过蒙特卡罗模拟实验表明了该估计方法的有效性.采用上证综合指数(SSE)、深证成份指数(SZSE)、香港恒生指数(HSI)和美国标普500指数(SPX)数据进行了实证研究,结果表明:2FSCR模型相比CARR模型以及单因子的SCR模型都具有更好的数据拟合效果.进一步的模型诊断分析表明,2FSCR模型相比CARR模型和SCR模型能够更好地刻画价格极差新息的尾部分布,能够更充分地捕获波动率的动态特征(时变性、聚集性与长记忆性).采用滚动窗方法对波动率进行预测,利用价格极差与已实现波动率作为比较基准对模型的预测能力进行了比较分析,结果表明:2FSCR模型相比CARR模型和SCR模型都具有更为优越的波动率预测效果.     

胖尾分布及长记忆下的动态 EVT-VaR 测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用 FIGARCH 对条件波动率建模、极值理论( extreme value theory,EVT) 对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试( back-testing) 技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验． 实证研究结果表明,无论是中国新兴市场,还是西方成熟发达市场,金融收益与标准收益均呈现出明显的有偏胖尾分布特征; 金融收益条件波动率均展现出长记忆性特征; EVT 与 FIGARCH 模型相结合的动态极值风险测度模型不仅在样本内表现出优越的风险测度能力,而且在样本外同样具有可靠的预测推广能力．     

考虑结构变化和长记忆性的国际原油价格波动率预测研究

原油市场普遍存在结构变化现象，可能会引发原油价格波动率的长记忆性，导致模型参数的有偏估计。为此，本文考虑原油价格波动率的结构变化和长记忆性特征，采用考虑结构断点的GARCH族模型和MMGARCH模型对WTI和Brent油价波动率进行预测建模。结果表明，WTI和Brent油价波动率中确实存在明显的结构变化和长记忆性特征，而能够捕捉这两种特征的GARCH族模型往往比忽略它们的模型取得更好的油价波动率预测效果，特别是，同时动态捕捉结构变化和长记忆性特征的MMGARCH模型对油价波动率的预测性能优于其他相关模型。     

基于LSTHAR模型的投资者关注对股市波动影响研究

有限关注理论认为投资者关注有限，无法掌握市场上所有信息，这会使股票出现暂时的错误定价，引起市场波动，因此投资者关注可能包含预测波动的有益信息。鉴于百度指数能较好代理中国投资者的主动性关注，本文提出将其作为逻辑平滑转移结构的转移变量，引入已实现波动的异质自回归类模型，以刻画投资者关注的变化对未来市场波动的非线性影响。基于华夏上证50ETF高频价格数据的实证表明：新模型相比于异质自回归类基础模型，有显著更优的拟合效果和显著更强的预测性能，即投资者关注的非线性引入对波动率预测有显著贡献。本文还发现，相比于引入移动端百度指数和总体百度指数，引入电脑端百度指数对模型预测性能的改进明显更大，表明电脑端百度指数代表的投资者关注对市场波动有更大的影响。研究结论对投资者风险管理和投资决策有实际指导意义。     

长记忆性、结构突变条件下中国股市波动率的高频预测

本文在考察上证综指和深证成指日已实现波动率的长记忆性特征和结构突变的基础上构建了已实现波动率自回归结构突变模型,并用于进行预测.预测结果表明,在未来结构突变已知情形下,自回归结构突变模型的预测效果比其他预测模型要好,在未来结构突变未知情形下,该模型的预测效果比ABDL模型稍微差,而ABDL模型在两种情形下都是比较稳健的预测模型.     

基于极差的区制转移随机波动率模型及其应用

关于金融波动率的建模,大量文献都是基于将收益率作为波动率代理变量,而基于极差这一更有效的代理变量研究波动率的则相对较少． 考虑到随机波动率模型的优势,将区制转移引入到基于极差的随机波动率模型中,从而刻画金融市场中波动率水平可能存在的结构变化． 随后给出此波动率模型的MCMC估计,并利用模拟证明了该方法的有效性． 基于以上模型,对上证综指、深圳成指和沪深300指数的极差波动率进行了实证研究,并利用已实现波动率作为基准、以稳健的损失函数作为判断准则的比较方法,与文献中常用的GARCH类模型和SV类模型进行比较,进一步论证了提出模型的优势     

胖尾分布及长记忆下的动态EVT-VaR测度研究

针对金融收益胖尾分布特征及条件波动率长记忆性特征,运用FIGARCH对条件波动率建模、极值理论(extreme value theory,EVT)对标准收益序列的尾部建模,测度出金融市场动态极值风险,进而运用返回测试(back-testing)技术,对模型在样本内的测度准确性与样本外的推广能力进行稳健性检验.实证研究结...     

基于价格极差的金融波动率建模： 理论与实证分析

经典的波动率模型(GARCH等)是收益率为基础的模型,利用的是收盘价信息,忽略了价格波动的日内信息,这将导致信息与效率的损失.为了弥补这一缺陷并获得满意的波动率预测效果,本文引入并扩展了基于价格极差的自回归波动率模型.实证研究表明新模型能够有效刻画波动率的动态变化规律,其预测效果一致性地优于经典的GARCH模型.同时,我们的研究还证实了在波动率模型中加入收益率的滞后项能够提高模型的解释能力,并且存在明显的"杠杆效应".     

基于已实现波动率的50ETF期权定价研究

  2015年2月9日上证50ETF期权正式上市交易，标志着中国开始进入期权时代，也对期权的准确定价提出了迫切要求。波动率是期权定价模型的核心参数，准确估计和有效预测波动率对期权定价性能至关重要。         利用50ETF的日内高频价格计算已实现波动率，使不可观测的波动率可以直接估计和建模。对已实现波动率构建带杠杆的异质自回归伽马(HARGL)模型，以及带异质杠杆的异质自回归伽马(HARGHL)模型。提出进一步区分日内价格上行、下行风险对已实现波动率预测的贡献，引入利用日内正、负高频收益率计算的已实现正、负半差，将上述模型分别改进为HARGL-S模型和HARGHL-S模型，以更好地刻画波动的日内杠杆效应。通过对参数估计从真实测量到风险中性测量的转换，实现蒙特卡洛模拟法的期权定价。采用50ETF期权上市起至2017年4月18日的42 406条期权合约收盘价数据，通过模拟在期权价格和隐含波动率上的均方根误差，比较4种模型的定价性能。         研究结果表明，①50ETF看涨期权和看跌期权均表现出明显的波动率“微笑”特征；②中国股市波动的风险溢酬显著为正，有必要对波动率模型参数估计进行从真实测量到风险中性测度的转换；③已实现正、负半差和异质杠杆的引入都能够显著提高模型的期权定价能力，同时引入则模型定价能力总体最优；④引入已实现正、负半差对非深度实值超短期、短期看涨期权的定价性能改善最为明显，引入异质杠杆对非深度实值超短期、短期看跌期权的定价性能改善最为明显。         研究结论拓展了对50ETF期权定价的方法，肯定了在已实现波动率异质自回归伽马模型中引入已实现正、负半差和异质杠杆的重要价值，对于投资者进行有效的期权定价和交易以及监管机构进行有效的决策具有实际指导意义。     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

有信息冲击、无信息冲击与波动率非对称性

本文将金融市场的冲击(innovations)分成有信息冲击和无信息冲击,构建了一种新的非对称GARCH类模型,区间均值GARCH模型(sectional mean GARCH,SM-GARCH).在中国股票市场的实证分析中发现:SM-GARCH模型能够更好地捕捉波动率特征和预测波动率;条件均值预测误差用于描述新到来的冲击对条件方差的影响,所提供的信息是有限的,在无信息冲击的情况下可以忽略它在波动率预测中的作用.     

金融市场的多分形波动率测度、模型及其SPA检验

提出一种新的金融市场波动率的测度方法--多分形波动率(multifractal Volatilty)测度,并以上证综指在长达8年左右时间内的高频数据样本为例,构造了多分形波动率的ARFIMA动力学模型.同时,运用最近提出的SPA(superior predictive ability)检验法,实证对比了多分形波动率模型与现有的如实现波动率(realized volatility)模型、GARCH模型以及随机波动(stoclaastic volatility,SV)模型对市场波动预测能力的优劣.实证结果显示,在某些损失函数标准下,文中提出的多分形波动率测度及其动力学模型具有比现有其它模型更优的波动率刻画能力和预测精度.     

有限理性、异质信念与商品期货价格波动

本文构建了一个基于交易者异质信念的商品期货市场仿真模型,在控制外部信息对市场影响的前提下,研究交易者异质信念的演化对市场价格产生的影响.采用Brenner的随机信念学习模型能够刻画个体交易者的学习、模仿行为,改以往所采用的遗传算法等借鉴生物进化论思想的模型无法将宏观价格动态与个体行为相联系的不足.检验结果表明,仿真产生的期货价格时间序列具有高峰厚尾分布、波动聚集、长记忆性,与真实期货价格的统计特征一致的典型特征,验证了模型的有效性.结果表明,外部信息不是形成收益序列典型特征的原因,个体交易者通过学习发生的信念转换和交易者之间的相互影响是造成价格收益序列典型特征的根本原因.     

混合正态双因子已实现SV模型及其实证研究

  传统的波动率模型(如GARCH模型和SV模型)采用日度收益率数据对波动率建模，忽略了日内高频数据包含的丰富信息。同时，资产收益率的波动率往往展现长记忆性，资产收益率的分布展现非正态性(尖峰、厚尾)，传统的波动率模型不能很好地刻画现实资产收益率的这些特征。         将包含丰富日内高频信息的已实现波动率引入传统低频SV模型中，同时考虑已实现波动率偏差修正、波动率长记忆性和资产收益率的非正态性(尖峰、厚尾)，构建混合正态双因子已实现SV(2FRSV-MN)模型。 为了估计2FRSV-MN模型的参数，给出灵活且易于实现的基于连续粒子滤波的极大似然估计方法。 蒙特卡罗模拟实验表明，给出的估计方法是有效的。 采用上证综合指数和深证成分指数5分钟高频交易数据，对提出的2FRSV-MN模型进行实证检验。         研究结果表明，已实现波动率是真实日度波动率的有偏估计(下偏)，沪深股市非交易时间效应强于微观结构噪声效应；沪深股市具有强的波动率持续性和显著的杠杆效应，且杠杆效应只存在于短记忆波动率因子过程中,长记忆波动率因子过程中存在反向杠杆效应；根据赤池信息准则，2FRSV-MN模型比其他模型具有更好的数据拟合效果。 对风险值的估计结果表明，2FRSV-MN模型能较好地测量金融市场风险，但并非一定是具有最好的风险测量效果的模型，这取决于选取的概率和数据。         研究结果不仅为投资者和监管机构提供了信息和决策参考，也丰富了基于高频数据的波动率建模和市场风险测量的研究。     

典型事实约束下的上海燃油期货市场动态VaR测度研究

期货交易的高杠杆率意味着期货市场的高风险特征,而能源市场因其特殊的战略意义一直以来备受关注,因而对能源期货市场的风险测度对投资者和监管者都极其重要。本文对上海燃油期货构建了四个反映不同交割期限的连续价格序列,基于不同的金融市场典型事实分别运用GARCH、GJR、FIGARCH三个模型对波动率建模,并假设条件收益分别服从正态、学生t、有偏学生t(skst)分布进行动态风险价值(VaR)测度,然后运用严格的似然比(LR)检验和动态分位数回归(DQR)检验对风险测度的可靠性进行后验分析(Backtesting),尝试从中提取出在风险管理中最有应用价值的典型事实。研究发现:(1)基于skst分布的波动模型的动态风险测度准确性明显优于其他分布下的相同模型;(2)基于杠杆效应的GJR模型和基于长记忆性的FIGARCH模型并没有表现出比普通GARCH模型更高的精度;(3)远期合约的市场平均收益更高,风险测度比近期合约更准确。     

我国沪市波动聚集性GARCH效应的实证研究

股票价格的频繁波动是股票市场最明显的特征之一,自回归条件异方差类模型可以很好地预测金融资产收益率的方差.通过对我国股价指数的统计描述,表明我国金融资产收益率存在自回归条件异方差的特征,并表现出非正态性.利用自回归条件异方差类模型,采用 1993年～2003 年的数据对上证指数的波动进行拟合,结果表明,广义自回归条件异方差模型对我国股市波动具有较好的拟合效果.     

基于长记忆性特征的欧式回望期权模糊定价研究

为了将金融市场的长记忆性特征和投资者的犹豫程度纳入到欧式回望期权的定价模型中，本文利用混合分数布朗运动来刻画股价的变化过程，并引入三角直觉模糊数来描述投资行为的模糊性。数值实验结果表明：基于上述理论建立的定价模型更能体现投资者的犹豫程度。